KeyFrame內部研究專用

The Next Game Engine Won't Have a Manual — Arturo Nunez, Nereu

AI Engineer19 min中文
觀看原始影片

三句話摘要

下一代遊戲引擎應該摒棄複雜手冊,讓玩家用直觀的遊戲語言描述就能製作遊戲。 下一代遊戲引擎應將焦點從複雜技術細節移轉到創意表達本身,透過 AI 助手和直觀的標籤系統讓任何人都能享受遊戲製作的樂趣。 現有遊戲引擎要求開發者掌握程式設計、建模、渲染、動畫等多個領域,導致高學習曲線與冗長開發週期;Nereu 改用自然語言描述,讓使用者聚焦遊戲設計本身而非技術細節。

重點整理

  1. 現有遊戲引擎要求開發者掌握程式設計、建模、渲染、動畫等多個領域,導致高學習曲線與冗長開發週期;Nereu 改用自然語言描述,讓使用者聚焦遊戲設計本身而非技術細節。

  2. 系統採用實體-組件系統架構,每個遊戲物體只需加上描述用途的標籤(如「角色」「可動畫」「雙段跳」),引擎內的系統會自動查詢並執行相應邏輯,避免重複編寫樣板程式碼。

  3. AI 助手 BB 透過場景上下文、使用者編輯位置和遊戲類型資訊,理解使用者意圖並自動新增或移除標籤;使用者隨時可提問如何實現特定功能,大幅降低認知負荷。

  4. 講者強調遊戲製作應是創意表達與樂趣的過程,而非商業產品開發,目標是讓更多人體驗製作遊戲的喜悅,重拾他 20 年前初入業界時的初心。

實用技巧與重點

  • 工具名稱:Nereu
  • AI 助手名稱:BB
  • 架構設計:實體-組件系統(Entity Component System, ECS)+ 標籤系統
  • 資產規模:約 6000~7000 個資產
  • 場景資產數量示例:一個簡單場景約 100 個物件
  • 開發技術:JavaScript,運行在瀏覽器
  • 視覺模型應用:自動標記和描述資產
  • 渲染效能目標:60 幀/秒
  • 講者背景:Unity 工作近 10 年、後加入 MongoDB
  • 場景優化策略:根據使用者距離渲染不同品質等級的資產

結論

下一代遊戲引擎應將焦點從複雜技術細節移轉到創意表達本身,透過 AI 助手和直觀的標籤系統讓任何人都能享受遊戲製作的樂趣。

完整解析

遊戲開發長期存在的核心困境是技術門檻極高。製作一款遊戲需要掌握程式設計、3D 建模、渲染、動畫、音樂等多個專業領域。即便組建再龐大的團隊,成員間也難以互補——找到既精通遊戲設計、又擅長渲染、還懂實時攝影機操作的全才開發者幾乎不可能。結果是開發週期冗長,許多小型製作者花費 2~3 年才完成作品,最後卻難以銷售。講者 Arturo 在 Unity 工作近 10 年期間,親眼目睹成千上萬的開發者陷入同樣困境,不斷重複解決相同問題。

Nereu 的核心創新在於改變開發者與引擎的互動方式。傳統引擎要求開發者用引擎的語言思考——導入網格、理解渲染器、配置動畫師、新增剛體與碰撞體,再層層新增遊戲邏輯。這些元件配置在幾乎每款遊戲中都是重複的樣板,卻迫使開發者精通數百個參數。Nereu 反轉了思路:每個遊戲物體本質上都需被渲染和與他物互動,核心區別只在於使用者的意圖。系統讓開發者用遊戲的語言——玩家在教學中聽到的語言——來描述想要的東西。「按 A 鍵跳躍,再按一次做雙段跳」可直接轉化為標籤邏輯。

系統採用實體-組件系統(ECS)架構,遊戲業界已知的設計模式。每個物體是實體,透過標籤描述屬性和行為。引擎內建的系統自動查詢具有特定標籤的所有實體,然後執行相應邏輯——「移動系統」會尋找所有標有「玩家」和「可移動」標籤的物體並使其移動。標籤變成可組合的積木:同一座建築既可是固定障礙物,也能透過加上「可駕駛」標籤變成 Mario Kart 風格載具。

AI 助手 BB 理解使用者意圖並執行修改。當開發者說「加一個機器人」或「讓這角色用 WASD 移動並帶動畫」時,系統從場景上下文提取相關資訊,包括附近資產、遊戲類型、使用者編輯位置,據此生成提示詞。助手隨後新增或移除適當標籤。系統使用視覺模型自動標記 6000 多個資產,因為手動標記在規模上不可行。隨著使用者移動和修改內容,系統動態更新提供給助手的上下文,採用遊戲業界的細節層次(LOD)策略——離使用者近的物體獲得高優先級,遠處物體則被簡化。

4 min
AI 技術中文11月21日

Make.com Automation for Beginners: Your First Automation in 10 Minutes

AI Workflow Lab看原片 ↗
  • Make 的核心是「情景」(Scenario) 概念,由多個模組組成,每個模組執行一個應用程式的單一工作。當第一個應用程式中發生事件時,Make 自動將資料傳遞到下一個應用程式,就像一個從不睡眠也不遺忘的數位助手。
  • 映射 (Mapping) 是自動化的核心。使用者需要明確告訴 Make 每筆資料應該放在哪裡,確保表單欄位正確對應到試算表的列,以及郵件內容能夠動態插入客戶資訊。
編輯精選
企業管理英文11月21日

What Anthropic's $900 Billion Bet Means for You

Nate Herk看原片 ↗
  • 訂閱用戶成為上市公司的收益基礎:4000 萬名小客戶(含 Claude Pro、Max、Ultra 或 API 用戶)合計貢獻 25% 的收入,形成 Wall Street 下注的對象。用戶每次訂閱續約都直接影響 Anthropic 股價,
  • 循環融資制造生態系統性風險:Amazon、Google、Broadcom 與 Nvidia 等公司既是投資者、又是運算服務提供商,同時採購 Anthropic 服務,形成相互依賴的閉環。若任一環節需求放緩,所有參與者將同時受創,系統風險無法
編輯精選
AI 技術英文11月20日

6 Lessons I Learned From Installing AI in a $10M Business

Liam Ottley看原片 ↗
  • AI 負責前 80% 工作,人的品味決定最後 20% — 系統一開始生成的提案很基礎,直到 Isaac 的設計師介入決定風格、選擇產品後,品質才大幅提升。需要將品味優秀的員工的規則和案例提供給 AI,讓初版更接近他們的標準。
  • 聚焦單一瓶頸,不要全面改造 — 分析發現提案環節是最大痛點:每月 15-20 張圖、每張 10 小時、成本 $500-1000、9 成無結果。選擇同時改善速度、成本、品質的用例,才是 AI 真正發揮價值的地方。